继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
. L2 t- L) n( {! A8 Z4 e" gPytorch 下面的代码做最简单的一元线性回归：
* ^9 u+ c8 h6 i0 l2 d) k----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random
; [# ~/ ?+ ]+ M, I/ r5 p) Y
x = torch.tensor(np.arange(1,100,1))
+ h( `9 Z  O) B9 ?y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! W0 I0 X/ Q, q) W, Z. ]8 ab = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
4 Z% O, h/ l) C7 \! O  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
- ~: U9 g/ j  T1 V) Q  ~5 k' @  loss.backward() # autograd
  with torch.no_grad():
# l: Q* o& s+ l0 E& F$ y7 r) P8 t    w  -= w.grad*0.0001   # 回归 w
' k; H% {/ y7 T3 {; V: L- M/ y* s    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
8 X/ x* D; l/ F5 g* K* M
print(w.item(),b.item()) #结果
; ]: p  B( c- Q5 b
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
6 H! ^* r" E- q5 j. e7 m最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
1 p2 l( X( I2 }1 M* k/ c  \5 t

老福

没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
& @, d% }. P1 P+ }2 m5 ?-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
# [3 S( R- L! e) i8 L% P没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
- r4 ]; q& `& Q/ X! w9 o不好意思， ...

# \  o# h9 h. A: T* Y$ U6 t4 `7 m; ^谢谢，算法应该没问题，就是最简单的线性回归。
" p9 {  _2 j: B5 V( M我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

) f$ L( H- X/ E0 a( }) s0 |: |; G. {
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

' j0 [7 _, _. K. @! Q0 ?9 T# G或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
0 y) \7 S/ x  H" V1 X4 \# ]- `
/ z1 }$ A- y$ e5 }5 _( Q. ^或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
" q6 f. G& s, O, E3 M2 L- }w , b
0 m; m* E4 I+ z( v27.002620697021484 14.826167106628418

和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。